秦磊：让企业在创造可验证数据价值中获得回报

编者按：随着数据要素市场化配置改革持续深化，制度构建、价值释放与治理协同的关键议题备受关注。人民网·人民数据对话专家学者、地方政府相关负责人、企业代表，共同探讨数据要素高质量发展新路径。

本期嘉宾：秦磊 对外经济贸易大学统计学院教授、博士生导师

人民数据：数据要素顶层设计逐渐完善，但产业层面仍存在观望现象，不少企业不敢、不愿深度开展数据开发利用。您认为推动企业深度参与需要在哪些方面做出调整？

秦磊：第一，在授权、加工、交付、使用、再开发和退出等环节建立标准合同与负面清单，使企业事前知道合规边界。第二，完善登记存证、质量评价、合规审查、可信数据空间和使用审计，把数据从“复制后难以控制”变为“可用不可见、用途可限定、过程可追溯”。第三，把政策重心从供给侧的“上架多少产品”适度转向需求侧的“解决多少真实问题”，以工业、金融、医疗、商贸等高频场景形成稳定采购和持续付费。第四，培育评估、审计、经纪、合规与争议解决服务，降低企业尤其是中小企业一次交易的固定成本。

更关键的是，政策评价不能只看入表金额、挂牌数量和“首单”数量，而要看复购率、实际调用量、交易后增收降本和风险事件率。只有一笔交易做到来源有据、授权清晰、质量可验、收益可算、责任可追，企业才会从“试试看”转向持续投入。换句话说，数据从仓库走向市场，缺的是一条可重复、可审计、可问责的价值闭环。

人民数据：数据要素红利当前更多向大型平台、头部科技企业集中，大量中小企业很难参与数据增值收益分配。政策工具设计上如何平衡，推动中小企业共享红利？

秦磊：建立分层分类的权益与开放规则。对个人信息、商业秘密和核心数据严格保护；对具有公共性、行业共性或由多方共同形成的基础数据，则通过授权运营、标准接口、数据可携带和互操作等机制，防止平台通过接口封闭、自我优待或歧视性定价排斥中小企业。开放不等于免费，更不等于交出原始库，完全可以按用途、期限、调用量和安全等级收费。

建设行业可信数据空间、联合数据池和数据合作社，让中小企业借助隐私计算、联邦学习实现“数据不出域、价值可共享”，并用数据券、算力券、首用补贴和风险补偿降低首次用数成本。与其普遍压低数据价格，不如精准降低中小企业进入市场的固定成本。

收益分配要转向“谁创造可验证的增量价值，谁获得相应回报”。可依据数据质量、更新频率、模型性能提升、实际调用和最终业务收益，建立动态分成与可核验的贡献记录。对头部平台要强化事前竞争规则与审计，防止搭售、排他协议和算法歧视。政策成效也不能只看开放数据集数量，而要看中小企业是否真正调用、是否产生订单、是否提高生产率。最终目标不是“平均分数据”，而是形成既允许创新者获得合理回报、又保持市场可进入、收益可分享的生态。

当然，也有一些小企业通过非正规渠道爬取、收集数据的现象，保障大型平台、头部科技企业数据权益也是一个很重要的方面。

人民数据：当前多地已落地一批数据资产质押融资案例，但多数仍停留在示范层面。在您看来，我们距离数据资产真正成为银行认可的“常规押品”，还有多远？

秦磊：“样板间多、商品房少”，根本原因是现在不少所谓“数据资产质押”案例中，银行真正看重的仍是企业信用或外部增信；数据资产更多只是增信线索，而非可独立处置的押品。银行认可一项抵押物，不是看评估报告写了多少钱，而是看违约后能否依法控制、快速处置并稳定回收。数据恰好在这三点上存在短板：它可复制，难以像设备那样唯一交付；价值依赖特定客户、算法、合同和持续更新，脱离原企业后可能骤降；处置还可能受到个人信息、商业秘密、授权期限和用途限制。再加上重复质押、质量失真和二级市场不足，银行很难估计违约损失。

还需要澄清的是，数据资源“入表”并不自动产生可质押性。会计确认解决的是在特定条件下如何反映成本和披露信息，质押融资解决的是担保权能否设立、顺位是否清楚以及能否执行，两者不是同一套问题。要让业务常态化，需要形成“登记—估值—监测—处置”的完整链条：建立统一或可互认的登记公示规则，明确权利边界、重复担保与优先顺位；基于真实合同、调用量、付费率和现金流开展动态估值；引入持续审计、受控账户和反欺诈机制；培育能承接数据产品、运营权或未来收益权的处置市场，并积累违约与回收数据。

人民数据：您如何看待词元计量这一新探索给数据资产估值、收益分配带来的机遇与挑战？

秦磊：我把词元看作人工智能服务的“电表”，而不是数据资产价值的“万能尺”。它的重要性在于把模型调用这一原本难以观察的过程，转换为连续、细颗粒度的经营数据。企业可以据此核算任务成本、使用强度、产品毛利和服务容量；数据资产估值可以从一次性的成本法，进一步转向基于真实调用、续费和现金流的收益法；收益分配也有机会把数据提供、模型训练、算力供给和场景运营放在同一条可计量链条上。对轻资产人工智能企业而言，经过核验的词元记录还可帮助金融机构观察客户活跃度和业务增长，缓解传统抵押物不足造成的信息不对称。

但需要防止把“调用得多”等同于“价值更高”。词元只是技术消耗量，不直接代表模型输出质量、任务难度、用户付费意愿和企业还款能力。如果授信只看消耗量，可能把持续烧钱误判成持续经营；如果收益分配只按词元规模，又可能低估高质量数据、原创内容和行业知识的贡献。

因此，我建议建立三道约束：一是统一词元计量、计费、结算和审计口径，至少区分“生成、调用、计费、付费、结算”五类，并保留模型版本和使用场景；二是从“原始词元数”升级为“有效词元指标”，把任务完成率、时延、能耗、客户留存和实际收入纳入质量调整；三是对词元流水建立独立核验、反刷量、隐私保护和分级披露机制，用于授信时，应与合同、应收账款、客户集中度和现金流交叉验证。词元计量最大的贡献，是为人工智能经济提供新的观察语言和结算基础；它应成为估值模型中的高频变量，而不应被包装成脱离场景、可以单独升值的“新资产”。(来源：人民数据公众号)